基于XGBoost算法的山东烟叶质量预测模型初探

作者：别瑞; 周婷云; 周显升; 姜滨; 周永; 邱军; 曹建敏^*

来源：中国烟草科学, 2022, 43(05): 80-93.

DOI：10.13496/j.issn.1007-5119.2022.05.013

• 山东烟叶
• XGBoost
• 机器学习
• SHAP value
• 质量预测

为挖掘烟叶化学成分与感官质量之间的关系，探究机器学习算法在烟叶质量评价领域的应用效果，以山东烟叶为试验材料，开展了常规成分、生物碱、有机酸、多酚和单双糖等20项主要化学成分检测和感官质量评价，并根据感官质量优劣将其划分为好、中、差3个质量档次。利用遗传算法对XGBoost进行超参数寻优，建立了基于化学成分的山东烟叶质量档次预测模型，同时引入SHAP value模型解释框架进行全局解释与特征依赖分析。所建预测模型对山东烟叶质量档次判别准确率为85%，尤其对第3质量档次识别效果最佳。SHAP value全局解释表明，影响山东烤烟质量的7个特征指标贡献度排名为：酸酚比>蔗糖>氯>烟碱>降烟碱>柠檬酸>糖碱比，其中糖碱比、蔗糖、酸酚比分别为好、中、差质量档次判别贡献最大的化学指标。基于XGBoost算法的山东烟叶质量预测模型在烟叶质量档次判别应用中有效、可靠、可解释性强，对于烟叶质量评价和烟叶生产具有一定指导意义。

• 单位
  中国农业科学院研究生院; 中国农业科学院烟草研究所; 中国烟草总公司山东省公司; 山东中烟工业有限责任公司; 山东日照烟草有限公司